[发明专利]一种镜像图与粗细层次结合的稀疏人脸识别方法

说明书

本发明公开了了一种镜像图与粗细层次结合的稀疏人脸识别方法，人脸在实际环境中，伴随着各种不可预知的情况，会呈现出复杂多变的特性。为了提高人脸识别率及更好的显示人脸特征，本发明的方法首先利用人脸的镜面性生成新的人脸图像，将原来的人脸训练样本和新生成的镜像图样本结合起来，使用粗细层次结合的分类方法来进行识别。新方法一方面增加了训练样本的数目，克服由于光照和姿态等外部因素带来的影响，另一方面选取合适的训练样本，丢掉不合适样本对于人脸识别所造成的不利影响。

技术领域

本发明涉及图像处理领域，是一种基于多样本扩充的改进的稀疏人脸识别方法。

背景技术

人脸识别是一种生物特征识别技术，在生活中得到了广泛的应用。近年来，越来越多的方法应用于人脸识别，人脸是处在复杂多变的环境中，不仅外界有不确定的环境因素，而且自身的面部表情和姿态等等都会影响人脸识别的正确性。

由于人脸会受到光照等外部因素的影响，若在原有的人脸样本的基础上，能够构造出一些新的有效的人脸样本，就能提高人脸识别的效果。有学者通过图像的特性构造出新的虚拟人脸图像，但是过多的人脸图像不一定都有利于人脸的识别，反而会造成运算的复杂性。稀疏识别方法是一种经典的识别方法，它依赖于特定的变换过程对训练样本和测试样本进行“稀疏”的表示，然后利用分类器去识别测试样本，这里的“稀疏”意味着线性组合的系数可能为零，但是经典的稀疏识别方法是基于L_1范数运算量复杂，改进的稀疏识别方法-协同表示方法是基于L_2范数的方法，降低了运算的复杂性，更有益于人脸图像的分类。

发明内容

本发明旨在面对复杂多变的外部环境，构造出多种有效的虚拟人脸图像，利用稀疏识别方法进行人脸识别，以提高人脸识别的效果。本发明利用人脸图像的镜像性构造出新的虚拟训练人脸镜像图，利用欧式距离从这些训练样本中选择出接近测试样本的训练样本，将选择出来的训练样本采用协同表示方法进行人脸识别，很好的提高人脸识别的效果。

为了克服现有技术中存在的不足，本发明提供一种镜像图与粗细层次结合的稀疏人脸识别方法。

方案：为解决上述技术问题，本发明采用的技术方案为：

一种镜像图与粗细层次结合的稀疏人脸识别方法，包括如下步骤：

步骤一：镜像图法利用图像的对称性得到镜像图。若人脸数据库有t类，每类有n个训练样本，训练样本总数为N＝t*n。令X表示总的原始矩阵，X_i表示X中第i类训练样本矩阵，X_i＝[x_(i-1)*n+1,x_(i-1)*n+2,…,x_i*n](i＝1,2,…,t)，X_i中每一项代表第i类中每一个训练样本的列向量。设样本矩阵具有C行和D列，它对应的镜像矩阵也具有C行和D列。第i类第j个训练样本列向量表示为x_(i-1)*n+j，第i类第j个新生成的镜像样本表示为m_(i-1)*n+j，(i＝1,2,…,t；j＝1,2,…,n)。x'_(i-1)*t+j(c,d)表示x_(i-1)*t+j在第c行和第d列上的像素，m'_(i-1)*t+j(c,d)表示m_(i-1)*t+j(c,d)在第c行和第d列上的像素,有

将m'_(i-1)*t+j(c,d))转化为m_((i-1)*t+j(c,d)，令M表示总的镜像图矩阵，M_i表示M中第i类训练样本矩阵，M_i＝[m_{(i-1)*n+1,m(i-1)*n+2},…,m_i*n]；